linear svm是基于距离分类,LR是基于概率分类,即svm的最优化问题是距离最大化,LR的优化问题是概率最大化,具体原理参照《机器学习_周志华》。本质上还是损失函数的不同。
其他区别:
1. SVM不能直接输出概率,LR可以;
2. SVM一般要进行数据的normalization 的处理,因为SVM依赖于数据的测度,但是LR一般不用,但是如果LR加上了正则项,也需要normalization 。
linear svm是基于距离分类,LR是基于概率分类,即svm的最优化问题是距离最大化,LR的优化问题是概率最大化,具体原理参照《机器学习_周志华》。本质上还是损失函数的不同。
其他区别:
1. SVM不能直接输出概率,LR可以;
2. SVM一般要进行数据的normalization 的处理,因为SVM依赖于数据的测度,但是LR一般不用,但是如果LR加上了正则项,也需要normalization 。